ZD至顶网CIO与应用频道 09月23日 人物访谈(文/王聪彬):视频市场在刚刚兴起时可以说竞争异常激烈,现如今的视频市场已经几分天下,而芒果TV是其中唯一一家由传统媒体转型而来。
目前芒果TV全网日活跃用户超过4100万,全网日均播放量1.8亿次,App安装激活量3.37亿,用户覆盖183个国家。这不仅仅是因为拥有大量电视剧及综艺版权的先天优势,在战略转型的背后支撑也非常重要,尤其在成立之时就选择混合云的模式来发展业务,实现了一个个直播奇迹。
“一云多屏”推动上层业务
2016年由湖南卫视旗下新媒体平台金鹰网、芒果TV两大平台改版融合形成了全新了的芒果TV网络视频平台。
芒果TV分为点播和直播两种模式,在片源上由于湖南卫视的支持,大部分视频都是自有版权,只有少部分版权购买,这样让芒果TV也有更多时间来将产品体验更加优化。
作为拥有中国唯一一家拥有全终端、全平台牌照的芒果TV在业务上规划了两大核心战略,第一,视频2.0,未来互联网视频会有更多用户在平台上进行互动,芒果TV希望将人和内容之间进行打通;第二、硬件产品,芒果TV将以操作系统为核心推出一整套硬件平台,包括芒果盒子、芒果电视、芒果音响等一系列产品,将内容和平台延伸到不同终端上。
有上层建筑还要有下层基础,“一云多屏”则是芒果TV的IT架构战略,芒果TV希望通过以此打造以用户视听、娱乐、互动为中心,面向电视、电脑、移动终端的视听服务。
谈到“一云多屏”芒果TV CTO黄东说,这对于芒果TV是一个巨大的挑战,因为芒果TV的业务是从地面有线网络、空中网络、IPTV、卫星电视、PC、智能终端、OTT一步步发展而来。
芒果TV CTO黄东
“一云多屏”就是要让一个内容可以在多个渠道上让用户观看,所以芒果TV正在尝试把其中多个屏尽可能的集中到一个云上,包括PC、智能终端、OTT、IPTV、DVB+OTT混合业务,让不同端之间产生互动和同步,形成统一的IT架构。
之前像OTT用户认证基础健全、CDN分发、观看纪录等都是和PC独立的IT架构。计划到今年年底芒果TV将发布全平台的新版本,将所有的业务实现IT架构的统一。
从直播到点播不断推进的公有云
由于芒果TV的业务特性,如果使用传统IT架构将很难控制,所以芒果TV选择了混合云的架构,实现业务在私有云和公有云上的灵活的切换。
芒果TV已经将一些在公有云上开展具有优势的业务进行迁移,包括三部分,第一、突发计算业务和云的结合非常多,公有云几乎可以代替原来为某一时间点去租赁IT设备;第二、公有云的基础归档存储越来越成熟;第三、非业务请求的弹性计算,例如大数据分析、转码。
基于这些需求芒果TV很快就开始了和AWS的合作,从2014年6月开始主要使用的服务包括Amazon EC2、Amazon EMR、Amazon RDS、Amazon S3、Amazon Glacier、AWS Direct Connect等形成混合云架构。
黄东谈到了AWS可以按照不同的方式计费,像按照使用小时、访问量,这些就是公有云上的弹性给企业到来的一大好处。
最明显的一个例子就是不到3天的时间AWS完成了2016年湖南卫视跨年演唱会直播活动系统架构的准备,同时AWS技术团队还提供24小时全天候中文技术支持。最终实现了多机位直播全平台在线峰值1009万,858台EC2实例实现了235万/秒请求数的全年最大型跨年直播活动。当然还有像湖南卫视我是歌手总决赛、超级女生决赛直播等重大直播活动。
现在不仅仅在直播,点播业务也在开始使用AWS公有云来进行支撑。目前AWS支撑了芒果TV80%的核心业务正常运行。
未来芒果TV还有一件非常重视的事就是大数据平台建设,基于大数据平台可以实现四大功能,沿着四个方向可以让芒果TV的用户体验得到不断提升,第一、指导内容制作;第二、提高广告投放效率;第三、推荐系统;第四、优化各个产品线产品。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。